|
ИСТИНА |
Войти в систему Регистрация |
ИСТИНА ИНХС РАН |
||
Машинное обучение. Искусственные нейронные сети и генетические алгоритмыучебный курс
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.
- Год создания: 2020
- Организация: МГУ имени М.В. Ломоносова
- Описание: Современный этап развития науки характеризуется существенным усложнением алгоритмов обработки экспериментальных данных. Достаточно часто встречаются ситуации, когда не существует адекватной модели исследуемого объекта, и в этих случаях приходится прибегать к использованию методов машинного обучения – адаптивных методов анализа данных, основанных на использовании информации, содержащейся в самих данных, а не на априорно заданных моделях. Данный курс посвящён изучению методов машинного обучения, к числу наиболее эффективных из которых относятся искусственные нейронные сети и генетические алгоритмы. В результате усвоения курса слушатель приобретет общие знания о рассматриваемых методах, их теоретических основах, областях применения и особенностях практического использования, а также получит практические навыки работы с некоторыми компьютерными программами и программными средами, в которых реализованы рассматриваемые методы. Срок обучения – 72 часа (лекции - 42 часа, практические занятия - 30 часов). Форма обучения – вечерняя (без отрыва от работы). Организационная форма: 1) Курсы повышения квалификации (КПК); 2) Факультативный курс для студентов МГУ Учебно-тематический план программы повышения квалификации «Машинное обучение. Искусственные нейронные сети и генетические алгоритмы» 1 Искусственные нейронные сети (ИНС) 1.1 Основные понятия. Типология задач, решаемых методами машинного обучения. Многослойный персептрон. 1.2 Алгоритм обратного распространения ошибки и его модификации. Многослойные персептроны. Выбор оптимальных параметров сети. 1.3 ИНС с общей регрессией. Вероятностная ИНС. ИНС с функциями радиального базиса. 1.4 ИНС и самоорганизующиеся карты Кохонена. 1.5 ИНС Хопфилда. ИНС Хэмминга. Машина Больцмана. 1.6 Глубокие нейронные сети. Свёрточные нейронные сети 1.7 Генеративные состязательные сети 2 Основы предобработки данных 2.1 Кодирование и нормировка данных. Анализ главных компонент. Оценка значимости входов 2.2 Анализ временных рядов 2.3 Спектральные методы обработки сигналов. Вейвлет-анализ. Вейвлет нейронные сети. 3 Современный инструментарий для практической работы с ИНС 3.1 Основные понятия языка Python и приёмы работы с ним 3.2 Работа с нейронными сетями на языке R 4 Генетические алгоритмы (ГА). Генетическое программирование. Метод группового учета аргументов 4.1 Генетические алгоритмы. Многоагентные методы 4.2 Генетическое программирование 4.3 Метод группового учёта аргументов 5 Нечёткая логика 5.1 Основы нечёткой логики. Нейро-нечёткие системы 6 Другие алгоритмы анализа данных. Решение практических задач 6.1 Комбинированные алгоритмы. Ансамбли. Кластер-анализ 6.2 Работа с нейронными сетями на языке Python на примере задач обработки изображений 6.3 Решение задач обработки текстовой информации 6.4 Обучение с подкреплением 6.5 Решение обратных задач с помощью ИНС и ГА 7 Самостоятельная работа под руководством преподавателя 7.1 Самостоятельное решение задачи, интересующей слушателя
- Добавил в систему: Доленко Сергей Анатольевич
Преподавание курса
- с 28 февраля 2023 Владимиров Роман Дмитриевич
- МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына, Лаборатория адаптивных методов обработки данных
- факультативная, практические занятия, 7 часов
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.
- с 28 февраля 2023 Гаджиев Исмаил Маратович
- МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына, Лаборатория адаптивных методов обработки данных
- факультативная, практические занятия, 3 часов
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.
- с 3 марта 2020 Исаев Игорь Викторович
- МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына, Лаборатория адаптивных методов обработки данных
- факультативная, практические занятия, 2 часов
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.
- с 3 марта 2020 Широкий Владимир Романович
- МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына, Лаборатория адаптивных методов обработки данных
- факультативная, практические занятия, 10 часов
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.
- с 3 марта 2020 Доленко Сергей Анатольевич
- МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына, Лаборатория адаптивных методов обработки данных
- факультативная, практические занятия, 8 часов
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.
- 3 марта 2020 - 7 июня 2022 Ефиторов Александр Олегович
- МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына, Лаборатория адаптивных методов обработки данных
- факультативная, практические занятия, 10 часов
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.
- с 21 февраля 2020 Доленко Сергей Анатольевич
- МГУ имени М.В. Ломоносова, Научно-исследовательский институт ядерной физики имени Д.В. Скобельцына, Лаборатория адаптивных методов обработки данных
- факультативная, лекции, 42 часов
- Авторы: Доленко С.А., Ефиторов А.О., Широкий В.Р.